Violence conjugale en contexte de pandémie de COVID-19 et portrait des pratiques auprès des conjoints ayant des comportements violents
Bibliographic record
Abstract
Comme d’autres situations de sinistre (Parkinson, \n2019 ; Yoshihama et al., 2019), la pandémie de \nCOVID-19 a entrainé des répercussions sur les \nvictimes de violence conjugale (VC ; Moreira et \nPinto da Costa, 2020). Les inquiétudes vis-à-vis des \nrisques accrus de VC ont été soulevées dès ses \ndébuts en mars 2020 (SOS Violence conjugale, \n2020 ; Statistique Canada, 2020) et ravivées au \ncours de 2021 alors que, au Québec, 18 femmes \nont été tuées par leur conjoint ou ex-conjoint \n(Brault, 2021, 4 décembre ; Dussault, 2021, \n5 novembre), soit près du double des années \nantérieures (Bureau du Coroner, 2020). Bien \nqu’il soit impossible d’associer cette hausse \nuniquement à la pandémie, on ne peut écarter \nl’hypothèse qu’elle y soit liée. De plus, elle illustre \nl’importance des services offerts aux victimes de \nviolence conjugale et aux conjoints ayant des \ncomportements violents (CCV) pour prévenir de \ntels événements. Par ailleurs, à l’instar d’autres \nsituations de sinistre, la pandémie de COVID-19 a \nposé d’importants défis pour ces services qui ont \ndû s’adapter rapidement (Hébergement Femmes \nCanada, 2020 ; Peterman et al., 2020). Dans le cas \ndes organismes qui interviennent auprès des CCV, \nqui offrent majoritairement des programmes \nd’intervention de groupe, les mesures sanitaires \nont amené d’importants ajustements à leurs \npratiques ainsi que l’expérimentation de nouvelles \nformes d’intervention. \nDans ce contexte, à l’aide d’une subvention du \nministère de la Santé et des Services sociaux du \nQuébec, la présente étude visait (1) à documenter \nla VC1 \n observée par le personnel des organismes \nmembres du réseau à cœur d’homme (ACDH2 \n) en \ncontexte de pandémie de COVID-19 et (2) à rendre \ncompte de l’évolution de leurs pratiques. Pour \nce faire, l’équipe de recherche a effectué une \nrecension des écrits et réalisé, entre novembre \n2020 et novembre 2021, quatre activités de \ncollecte de données. L’ensemble de la démarche \ns’est déroulé en collaboration étroite avec un \ncomité de suivi auquel participaient, outre les deux \nchercheurs, la directrice d’un de ses organismes \nmembres3 \n. \nLe présent rapport fait état des résultats de \ncette recherche. La première partie détaille la \nproblématique de la VC dans le contexte de la \npandémie de COVID-19, alors que la deuxième \npartie décrit la méthodologie utilisée pour les \ndifférentes activités de collecte de données. La \ntroisième partie fait état des résultats, d’abord \nquant à l’évolution de la VC pendant la pandémie, \npuis quant à l’adaptation des organismes et de \nleurs pratiques. Dans la dernière partie, ces \nrésultats sont mis en relation avec l’état des \nconnaissances sur la VC dans les situations de \nsinistre, et plus particulièrement de la pandémie \nde COVID-19. Les limites de la recherche sont \nexposées et quelques pistes de recherche sont \nsuggérées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.003 | 0.004 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.022 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".